一种快消品电商网站的商品推荐方法与流程

技术特征：

1.一种快消品电商网站的商品推荐方法，其特征在于，包括以下步骤：

步骤一)将电商网站平台的注册门店提交的位置数据储存在LBS云存储中心；

步骤二)目标消费者标记某门店中的商品后，则以所述门店为目标门店，利用LBS云存储中心储存的位置数据以及电子地图软件检索出目标门店的周边门店集合；

步骤三)利用周边门店集合中各门店的消费者记录信息，计算周边门店集合中各门店的消费者与目标消费者的相似度，再划分出目标消费者的相似消费者集合；

步骤四)提取相似消费者集合中的消费者标记过的所有商品，从中剔除目标消费者已标记过的商品，再计算目标用户对其余商品的兴趣度；将兴趣度最高的一个或多个商品推荐给目标消费者。

2.如权利要求1所述的一种快消品电商网站的商品推荐方法，其特征在于，所述步骤一)中，将电商网站的注册门店提交的位置数据储存在LBS云存储中心，包括以下步骤：

注册门店将的地址提交到电商网站平台，电商网站平台审核注册门店信的地址，审核不通过，则要求重新填写地址，再次审核；

注册门店的地址审核通过后，电商网站平台调用电子地图软件，根据门店的详细地址得到其经纬度；将门店的地址作为一个位置数据，存储于LBS云存储中心。

3.如权利要求1所述的一种快消品电商网站的商品推荐方法，其特征在于，所述步骤三)中利用余弦相似度计算周边门店集合中各门店的消费者v与目标消费者u的相似度，计算公式为：

$W_{uv}=\frac{|N\left(u\right)\∩N\left(v\right)|}{\sqrt{N\left(u\right)\×N\left(v\right)}}$

其中u和v为两个消费者，N(u)为消费者u标记的物品集合，N(v)为消费者v标记的物品集合。

4.如权利要求1所述的一种快消品电商网站的商品推荐方法，其特征在于，所述步骤三)中将相似度大于0.1893的消费者划入相似消费者集合。

5.如权利要求1所述的一种快消品电商网站的商品推荐方法，其特征在于，所述步骤四)中目标消费者u对一个商品i的兴趣度p(u,i)的计算公式为：

$p(u,i)=\underset{v\∈S(u,K)\∩N\left(i\right)}{\Σ}{W}_{uv}{r}_{vi}$

W_uv为周边门店集合中各门店的消费者v与目标消费者u的相似度；S(u,K)为相似消费者集合；r_vi为消费者v对物品i的兴趣，采用单一行为的隐反馈数据，则r_vi＝1。

6.如权利要求1所述的一种快消品电商网站的商品推荐方法，其特征在于，所述步骤三)中，所述消费者记录信息为最近一个月的消费者记录信息。